Intelligens módszerek gyártórendszerek m ködésében bekövetkezett zavarok és változások kezelésére

Budapesti M szaki és Gazdaságtudományi Egyetem Gépgyártástechnológia Tanszék A Ph.D értekezés tézisei Intelligens módszerek gyártórendszerek m ködésében bekövetkezett zavarok és változások kezelésére Kádár Botond okl. gépészmérnök Budapest, 2002. február

1. Bevezetés Napjaink gyártórendszerei gyorsan változó, bizonytalansággal terhelt környezetben m ködnek, ami több egymással kölcsönhatásban lév tényez nek az eredménye. A piaci igények változatossága miatt megn tt egyedi- és a kissorozatgyártásnak az aránya, illetve a tömeggyártásban és a sorozatgyártásban is a megrendel k igényeihez igazított termékek el állítása került el térbe. Fontos tényez az információ technológia (Information Technology, IT) igen gyors fejl dése, ami az élet minden területén, így a gyártásautomatizálásban is érezteti hatását. Az új IT eszközök megjelenése a Számítógéppel Integrált Gyártás (Computer Integrated Manufacturing, CIM) területén az eddig külön kezelt funkciók integrált rendszerbe vonását is el segítették, ami a komplexitás növekedését eredményezte. A magasabb integráltsági fok nemcsak a gyártási funkciókban, hanem a vállalat magasabb szintjén kezelt gazdasági és m szaki döntések egyre szorosabb kapcsolatában is jelentkezik. Szintén az IT rohamos fejl désének köszönhet, hogy a korszer hálózatok hardver és szoftver eszközei lehet séget teremtenek a gyártókapacitások globalizációjára, és ezen keresztül a kiterjesztett vállalatok (Extended Enterprise, EE) létrehozására. A korábbiakhoz hasonlóan fontos tényez maradt az id, ami olyan új koncepciók bevezetését és használatát eredményezte, mint a konkurens mérnöki tevékenység (concurrent engineering) vagy a gyors és virtuális prototípus készítés (rapid prototyping, virtual prototyping). Napjaink gyártórendszereivel és az elkészített termékekkel szemben támasztott min ségi követelmények igen szigorúak, ami a felügyelet és diagnosztika, a min ségmenedzsment új technikáit követeli meg. A korábbi embernélküli gyár víziójával szemben mára már egyértelm vé vált, hogy az emberi tényez igenis fontos a gyártórendszerek irányításában és annak eredményes kiaknázása versenyel nyt jelenthet. Ennek a felismerésnek következménye a decentralizáltabb, a felel séget alsóbb szintekre delegáló szervezeti formák megjelenése. Kulcsfontosságú a "fenntartható" fejl dés (sustainable development), vagyis az er források tudatosan takarékos felhasználása, ezzel kapcsolatban is a termék követése a teljes élettartamon keresztül. Lényeges megemlíteni, hogy napjaink gyártórendszereiben folyamatosan és egyre gyorsuló ütemben kerülnek alkalmazásra a mesterséges intelligencia (Artificial Intelligence, AI) legújabb technikái. Figyelembe véve a fenti tényeket megállapítható, hogy a jöv gyártórendszereinek nagyobb rugalmasságot, jobb adaptálhatóságot kell felmutatniuk a gyártmánytervezés, a gyártástervezés és a gyártásvégrehajtás területén. Olyan flexibilis termelési rendszerekre van szükség, amelyek a fent bemutatott kihívásokat kezelni képesek, valamint rövidebb id alatt és költséghatékony módon segítik a fogyasztói igényekre szabott gyártást. A versenyben való sikeres szereplés egyik legf bb tényez je a folyamatos tanulási és adaptálódási képesség, mert a vállatoknak a legkisebb költség mellett és a lehet leggyorsabban kell alkalmazkodniuk a megváltozott - 2 -

körülményekhez. Az ipari termel vállalatok piaci helyzetét tehát alapvet en befolyásolja gyártórendszereik rugalmassága és mobilizálhatósága. A CIM hagyományos rendszereinek strukturális és irányítási szervezése általában er sen hierarchikus, ami nem minden esetben teszi lehet vé a felsorolt problémák hatékony kezelését. A magas szint automatizáltság mellett a rendszereket jellemz merevség er sen megnehezíti alkalmazkodásukat a folyamatosan változó környezethez, ami gyakran gátat szabhat az eredményes m ködésnek. A fenti környezeti hatások és a korábbi gyártórendszerek kapcsán jelentkez problémák, napjainkra egy új, az intelligens gyártórendszerek (Intelligent Manufacturing Systems, IMSs) kutatási tématerület kialakulását eredményezték. Az intelligens gyártórendszerek kifejezés két f értelmezést kapott az elmúlt években. Az egyik szerint a fogalom olyan rendszereket jelöl, amelyeknek képesnek kell lenniük egyedi, el re nem látható szituációk kezelésére, mégpedig -bizonyos határokon belül- hiányos és pontatlan információk alapján is [61]. E szempontból els sorban a mesterséges intelligencia technikák kutatása és felhasználása kerül el térbe. Az elnevezés ugyanakkor vonatkozik arra a japán kezdeményezésre, 1992-ben indult világméret IMS projektre, amelyben a 21. század termel rendszereinek tudományos és m szaki megalapozása a cél [92]. Ebben a kezdeményezésben is hangsúlyos szerepet kapnak a mesterséges intelligencia technikák, de a világméret összefogás keretében kivitelezett kutatómunka inkább az információ technológia legújabb irányzataira, a környezeti problémák kezelésére és a gazdaságossági kérdésekre koncentrál. A változások és zavarok kezelésére, a hagyományos rendszerek irányítása kapcsán felmerül, fentiekben bemutatott hátrányok kiküszöbölésére két lehetséges út kínálkozik. Egyrészr l, a centralizált/hierarchikus vezérlési elven m köd rendszereinket vagy azok egyes elemeit egészíthetjük ki olyan komponensekkel, amelyek megnövelik a rugalmasságot. Ezek általában reaktív üzemmódban m ködnek, de napjainkban már kísérletek folynak proaktív, azaz el retekint, megel z stratégiát alkalmazó technikák alkalmazására is (1. ábra A). Másrészr l, olyan elosztott intelligenciájú rendszereket vezetünk be, amelyek természetüknél fogva jóval rugalmasabbak hagyományos társaiknál (1. ábra B). Ezt a két továbblépési lehet séget, illetve a megvalósítást támogató lehetséges technikákat mutatja az 1. ábra. A fentiekben vázolt két irányzat természetesen nem választható el élesen egymástól, hisz létezhetnek olyan megoldások, amelyekben a két megközelítés közös és/vagy egymást kiegészít eljárásainak alkalmazásával javítjuk rendszereink zavart r képességét. (1. ábra C). - 3 -

Hagyományos rendszerek Dinamikusan változó környezet A Bels bizonytalanságok B Reaktív/Proaktív rendszerek C Változtatást támogató technológiák: AI szimuláció virtuális gyártás ágens alapú rendszerek... Elosztott intelligenciájú rendszerek 1. ábra A hagyományos rendszerek zavarkezel fejlesztésének két lehetséges útja Kutatómunkám az intelligens gyártórendszerek el z ekben vázolt két egymást kiegészít problémakörére összpontosít. Munkám során a gyártórendszereket érint és a bevezetésben ismertetett problémák hatékony kezelését t ztem ki célul és a megvalósított rendszereket a fentiekben vázolt lehetséges utakat követve fejlesztettem ki. 2. A kutatás célkit zései Kutatómunkám f célkit zése a gyártórendszerek különböz szintjein alkalmazható intelligens technikák vizsgálata és azok alkalmazása volt annak érdekében, hogy ezen rendszerek és/vagy komponenseik a korábbiakhoz viszonyítva rugalmasabban kezelhessék az ket ér változásokat és zavarokat. Munkám során a gyártórendszerek különböz szintjein keletkez változások és zavarok kezelésének a lehet ségét vizsgáltam. Míg az els periódusban a szerszámgép szintjén, a megmunkálási folyamatban történt zavarok felderítésére és elhárítására koncentráltam, kutatásaim második részében az üzemszint irányítás problémakörére és az ütemezést érint változások és zavarok kezelésére összpontosítottam. Bekapcsolódva az MTA SZTAKI Intelligens gyártás kutatócsoportjának valamint a BME Gépgyártástechnológia Tanszékének a munkájába, kutatói tevékenységem els harmadában a korábbi eredményekre támaszkodva a szerszámgép, illetve cella szint automatikus felügyeleti és diagnosztikai rendszerekkel foglalkoztam, amelyek a gyártórendszerek alsó szintjein a megmunkálási folyamatban keletkez zavarok felismeréséért és részbeni kezeléséért felel sek. - 4 -

Munkám kezdetén a következ feladatokat fogalmaztam meg: Milyen a szerszámgép- és cellaszint felügyeleti és diagnosztikai rendszerek funkcióinak kapcsolatrendszere? Ezen részrendszerek hogyan integrálhatók a megmunkáló gépek, illetve a teljes rendszer vezérlésébe? Milyen tudásábrázolási és feldolgozási technikák alkalmazhatók az intelligens felügyeleti és diagnosztikai rendszerekben? Milyen funkcionális modulokban használhatók fel hatékonyan a szimbolikus tudásreprezentáción alapuló technikák? Figyelembe véve a szükséges reakcióid ket, hogyan integrálhatjuk a különböz tudásábrázolási és feldolgozási technikákat? Milyen módon kapcsolható szakért i rendszer a szubszimbolikus mesterséges intelligencia technikákon alapuló modulokhoz? Kialakítható-e a fenti tudásábrázolási technikák el nyeit kihasználó hibrid rendszer, modellezési és szimulációs célokra? Milyen cellavezérlési funkciók kerülhetnek a szimbolikus rendszer hatáskörébe, illetve hogyan kapcsolható egy ilyen szakért i rendszer a cella információs hierarchiájába? Kutatómunkám második részében az üzemszint gyártásirányítás problémakörével foglalkoztam. Az intelligens gyártórendszerek témakörének új részterületét jelentik az elosztott gyártórendszerek, amelyek autonóm, intelligens, rugalmas, elosztott, egymással kooperáló ágensekb l állnak. Egy gyártórendszer ebben a megközelítésben pl. gyártó ágensekb l, szerel ágensekb l, szállító ágensekb l és információs ágensekb l tev dik össze. Ezen intelligens egységek egymástól közel függetlenül m ködnek, saját tudásábrázolási, -feldolgozási, döntéshozó és kommunikációs képességgel rendelkeznek. Ez az elosztott struktúra megválaszolásra váró kérdések sokaságát veti fel. Kutatásom során az alábbi f feladatokat céloztam meg: Elosztott mesterséges intelligencia technikák vizsgálata és felhasználása ágens alapú gyártórendszerek ütemezési és gyártásirányítási algoritmusaiban. Az elosztott intelligenciájú gyártórendszerekben található ágensek bels struktúrájának vizsgálata, az adott ágens funkcionalitásainak figyelembe vételével. Megfelel üzenetkezel protokollok (communication protocol) és közös nyelv (common interchange language) alkalmazása ágens alapú gyártórendszerekben. A nyílt rendszer megvalósításának érdekében, szabványos csatlakozási felületek (interface-ek) kialakítása. A rendszerek tanulóképességének vizsgálata, mind globális (rendszer), mind lokális - 5 -

(ágens) szinten. A lokális és globális optimumok viszonyának elemzése. Az elosztott gyártórendszerek lokális, valamint a centralizált gyártórendszerek globális optimumra törekvésének egyensúlyba hozása egy rendszerben. Ágens alapú rendszerek beilleszthet ségének vizsgálata meglév hierarchikus struktúrákba, dinamikus és statikus hierarchikus részstruktúrák szerepeltetése elosztott intelligenciájú rendszerekben. A heterarchikus és hierarchikus vezérlési elvek integrált alkalmazásának vizsgálata. A virtuális gyártás (Virtual Manufacturing, VM) koncepció, valamint a szimulációs technika alkalmazhatóságának elemzése az elosztott intelligenciájú gyártórendszerek kutatásában. Egységes objektum-orientált szimulációs keretrendszer kialakítása ágens alapú gyártórendszerek vizsgálatára. 3. A kutatás módszere A kutatási tevékenység során az irodalomkutatás, problémafelvetés, kísérleti megoldások, illetve azok vizsgálata, program- és rendszerfejlesztés, valamint a ellen rz futtatások lépéseinek egymásra épül folyamatát követtem. Az intelligens gyártás rendkívül átfogó, sok tudományágat érint multidiszciplináris fejl dési irányzat, mely jellegzetességet a kutatási módszertan megtervezésénél messzemen en figyelembe kellett vennem. Követve a gyártórendszerek különböz szintjeit, a vonatkozó szakirodalom elemzésével áttekintettem az intelligens gyártás, a mesterséges intelligencia f bb irányzatait és ezeken belül a különböz tudásreprezentációs technikákat, gyártórendszerekbeli alkalmazásuk lehet ségeit, illetve az elosztott mesterséges intelligencia kutatások irodalmát. Tanulmányoztam az intelligens gyártás ezen területein elért elméleti eredményeket és a gyakorlati alkalmazások tapasztalatait. Az érintett tudományterületeken elért eredmények áttanulmányozásával a megismert módszerek alkotó továbbfejlesztésének az alapjait teremtettem meg. Munkám kezdetén egy folyamatban lév kutatásba kapcsolódtam be, amelyben szimbolikus tudásreprezentáción alapuló szakért i rendszer hierarchikus szerszámgép- és cellafelügyeleti, illetve diagnosztikai rendszerbe integrálásával foglalkoztam. A komplett feladat elvégzése, a végs rendszer kifejlesztése csapatmunkában történt és ez megkívánta a gyártás felügyeleti és diagnosztikai rendszerek, a különböz mesterséges intelligencia megközelítések, illetve a részmodulok kapcsolatrendszerének részletes ismeretét. - 6 -

Az elméleti modellek megvalósításakor munkámat egy könnyen kezelhet, az akkori id szakban piacvezet szakért i keretrendszer segítette (GoldWorksIII). Bár a programcsomag nagy segítséget nyújtott a végs szakért i rendszer megvalósításában, a sikeres implementáció érdekében részletesen megismerkedtem a LISP programozási nyelvvel és a program moduljait ennek segítségével írtam. A kutatómunka során kifejlesztett rendszert valós körülmények mellett mért kísérleti adathalmazzal tesztelhettem, amelyek részben a BME Gépészmérnöki Kar Gépgyártástechnológia tanszékén, részben pedig a Kaiserslauterni Egyetem Gyártási és Termelési Tanszékén végzett mérési kísérletekb l származtak. Az elosztott intelligenciájú gyártórendszerek problémaköre, mint az már a bevezetésben is bemutatásra került, egy igen új kutatóterületnek számít. Tekintettel erre a tényre, a vonatkozó irodalom a kutatás kezdetén jóval sz kebb volt, mint a kiforrottabb témakörök esetén és ez nehezebbé tette a problémák precíz megfogalmazását. Emiatt több kérdés csak a megvalósítási fázisban merült fel, ami nem egyszer újabb irodalomkutatási és elemzési ciklust indukált az implementáció során. Ennek következtében a kutatás során kifejlesztett módszerek és eljárások folyamatosan, több iterációs lépésben kristályosodtak ki. Munkámnak ebben a fázisában a tématerület vezet és elismert nemzetközi kutatóival dolgozhattam együtt, ami úgy érzem részben kompenzálta a rendelkezésre álló irodalom korlátozottabb voltát. 4. Tudományos el zmények A gyártással és a gyártórendszerekkel kapcsolatos kutatások kezdete a XX század elejére tehet. Ekkor alakult ki a Ford és Taylor nevével fémjelzett tömeggyártás, amely tökéletesen megfelelt a korabeli polgári és hadiipari követelményeknek. A gyártásautomatizálásban meghatározó mérföldkövet jelentett 1948-ban az els számjegyes vezérlés (Numerical Control, NC) szerszámgép kifejlesztése [83]. Az 60-as évek végére tehet az els direkt numerikus vezérlés (Direct Numerical Control, DNC) bevezetése, amely szemben a korábbi lyukszalagos adattárolással, központi számítógépet alkalmaz az NC programok tárolására és letöltésére. Közvetlenül ezután jelentek meg az els számítógépes számjegyvezérlés (Computer Numerical Control, CNC) berendezések, amelyekben adatfeldolgozási és szerszámgépirányítási funkciókat is integráltak. A szerszámok CNC gépeken történ tárolásával és az automatikus cseréjével kialakultak a megmunkáló központok (Machining Centers, MCs), majd a munkadarabok automatikus tárolásával és cseréjével a rugalmas gyártócellák (Flexible Manufacturing Cells, FMCs) és rugalmas gyártórendszerek (Flexible Manufacturing Systems, FMSs). A fenti m szaki jelleg fejl déssel párhuzamosan, megfigyelhet a gyártórendszerek különböz funkcióinak folyamatos és egyre magasabb szint integrációja, ami a 70-es évek - 7 -

elején a CIM koncepcióban csúcsosodik ki. A CIM a termelésinformatika központi fogalma, amely bevezetése óta nagyon sok definíciót kapott, de els ként 1973-ban Harrington publikációjában jelent meg és gyökerei az MIT (Massachusetts Institute of Technology) laboratóriumában folyó automatizálási kutatásokra vezethet k vissza. A terület els nagy alkalmazása az automatizált, rugalmas gyártórendszerek létrehozása volt, amelynek történelmi jelent ség els projektje Williamson professzor nevéhez f z dik [86]. A gyártórendszerek fejl désének legújabb szakaszát, a bevezet ben is említett, intelligens gyártórendszerek jelentik, amelyek legf bb jellemz it 1983-ban Hatvany József adta meg. A már idézett megfogalmazás szerint az intelligens gyártórendszereknek bizonyos korlátok között alkalmasnak kell lenniük hiányos és pontatlan információk alapján ismeretlen, el re nem látható problémák megoldására is [61], [62]. 4.1.1. Nemzetközi el zmények Az intelligens gyártórendszerekkel kapcsolatos kutatások jelent s része a mesterséges intelligencia technikáinak gyártórendszerekbeli alkalmazásával foglalkozik. A kifejlesztett rendszerek sajátossága, hogy intelligens funkciókat valósítanak meg, azaz biztosítják a korábban felhalmozott tudás befogadásának, tárolásának, a tanulásnak és a tudás hasznosításának képességét. Fontos azonban különbséget tenni az alkalmazott AI technika jellege, illetve a gyártórendszerekben megvalósított vagy támogatott funkció(k) szerint. A kutatások els fázisában a szimbolikus tudásreprezentáción alapuló technikák alkalmazására fektettek nagyobb hangsúlyt. A [63] publikációban bemutatott munkákban szakért i rendszereket alkalmaztak a gyártmánytervezésben. A gyártási folyamatok tervezésének támogatására szintén voltak sikeres kísérletek [60], [59], [47]. Gyártórendszerek ütemezésére és irányítására alkalmas szakért i rendszereket ismertetnek a [56], [57], [43] publikációk. A szubszimbolikus tudásreprezentáción alapuló technikák el retörésével a gyártórendszerekben, illetve azok alrendszereiben jelent sen megnövekedett a mesterséges neurális hálók (Artificial Neural Network, ANN) alkalmazása. A teljesség igénye nélkül néhány alkalmazási területet a koncepcionális tervezés [40], [69]; a gyártórendszerek tervezése és m ködtetési stratégiájának meghatározása [46]; folyamatmodellek tanulása és adaptív vezérlések kialakítása [81]; illetve a felügyelet és diagnosztika [45], [50] témaköre. A fentiekben említett két fontos AI technika mellett fontos kiemelni a genetikus algoritmusok (Genetic Algorithms, GA) egyre jobban terjed alkalmazási csoportjait is. GA alapú rendszereket alkalmaztak sikeresen a m veleti sorrendtervezés és a gyártásütemezés területén [84], [80], [55]. - 8 -

A 90-es évek AI kutatásainak áttekint cikkei alapján megállapítható, hogy az intelligens gyártáson belül a szimbolikus mesterséges intelligencia módszereknek és a mesterséges neurális hálóknak, illetve a genetikus algoritmusoknak különböz de egymással átlapolódó felhasználási területei vannak. Mivel az említett megközelítések más-más szempontból el nyösek, felvet dött az olyan hibrid AI rendszerek kialakítása, amelyek egyesítik a különböz irányzatok el nyeit [65]. Az intelligens gyártórendszereknek korábbi definíciójához a 90-es évek elején egy új meghatározás is kapcsolódott. Japán 1992-ben -egyedülálló módon- javaslatot tett egy világméret Intelligens Gyártórendszerek (IMS) Kutatási Projekt elindítására, amelynek munkájába európai kutatók is bekapcsolódtak [92]. 1997-t l, a projekt második fázisában kutatócsoportunk tagjaként személyesen is részt vehettem az EU által támogatott, IMS munkacsoport munkájában. A világméret IMS projekt 5. konzorciuma (test case) a holonikus gyártórendszerekkel foglalkozik. A holonikus koncepció központi fogalma az ún. holon szó, amelyet Arthur Koestler, magyar származású író használt el ször The Ghost in the machine cím könyvében [66]. Koestler társadalomtudományi munkája hasznos háttérnek bizonyult a gyártórendszerek területén és a holonikus rendszerekr l felépített koncepcióját a projekt keretében a gyártórendszerek szintjére a holonikus gyártórendszerek (Holonic Manufacturing Systems, HMSs) paradigmában adaptálták. A holonikus rendszerek két alapvet fontosságú tulajdonsága a strukturális hierarchia és a vezérlési elvek m ködés közbeni dinamikus és automatikus kombinációja a jobb hatékonyság elérése érdekében. A strukturális hierarchia azt jelenti, hogy a holonokat az általuk végzett funkciók, feladatok alapján különálló, autonóm egységekre bontjuk, amelyek a rendszerben újabb holonokat jelentenek. Ebben az egymásba ágyazott struktúrában az egyes holonok alsóbb szint holonokat is tartalmazhatnak. Autonómiájuknál fogva a holonok az önálló feladatmegoldásra törekednek, de ha nem képesek a feladat önállóan elvégzésére, akkor kapcsolatba lépnek más egységekkel és közös csoportba tömörülve oldják meg a problémát. Az ilyen csoportokban, ha a feladat megoldása megkívánja, akár id leges hierarchikus szervez dés is létrejöhet. Az egyes holonok közötti, illetve az egyes holonok belsejében dinamikusan kialakuló vezérlési kapcsolatrendszer jelenti a holonikus rendszerek már említett, második jellegzetes tulajdonságát. Az intelligens gyártás fogalomkörébe es, a holonikus gyártórendszerekhez igen hasonló fraktál vállalat (Fractal Factory) koncepcióját a német Warnecke szintén 1992-ben javasolta [90]. A fenti elméletek kialakulásával párhuzamosan, Amerikában a hasonló tulajdonságokkal rendelkez gyártási struktúrákat a Lean vagy Agile Production gy jt néven emlegetik/hivatkozzák. - 9 -

Összefoglaló néven a fentiekben említett struktúrákat elosztott intelligenciájú gyártórendszereknek nevezzem, amelyek szemben a korábbi er sen hierarchikus szervezés rendszerekkel, autonóm, intelligens, rugalmas, elosztott, és egymással kooperáló modulokból állnak. Az el z ekben vázolt koncepciók mindegyike elméleti hátter, adott rendszerek megvalósítási fázisában a szakemberek az elosztott mesterséges intelligencia (Distributed Artificial Intelligence, DAI) kutatások eredményeire támaszkodnak. Ezek közül is fontos kiemelni a multi-ágens rendszerek (Multi-agent Systems, MAS) szakterületet, amelynek technikáit ma már széles körben alkalmazzák az elosztott intelligenciájú gyártórendszerekben. A kutatások jelent s része a üzemszint gyártásütemezésre és valósidej gyártásirányításra koncentrál. A tengerentúlon, Hatvany Józseffel egyid ben, az els k között ismerte fel a tématerület fontosságát N. Duffie [52], Ausztráliában pedig Nemes László vezetésével folynak kutatások az intelligens gyártórendszerek területén. Európában jelent s eredményeket értek el a holonikus gyártórendszerek ütemezése és on-line irányítása területén a Leuveni Katolikus Egyetem munkatársai [89], [88]. Szintén a holonikus gyártórendszerekhez kapcsolódóan, üzemirányítási rendszer kifejlesztésének támogatására keretrendszer készült a Dán M szaki Egyetemen [70] és fontos kapcsolódó kutatások folynak Hannoveri Egyetem Gépészmérnöki Karán is. Japánból származik, és lényeges eredménynek számít ezen a területen a [64] publikációban bemutatott Random Manufacturing koncepció. Szintén Japánban, Okino és Ueda professzor vezetésével értékes eredmények születtek a biológiai analógiára épít gyártórendszer koncepciók (Bionic Manufacturing Systems, Genetic Manufacturing Systems) területén [77], [87]. Fontos mérföldk nek számít a virtuális gyártás elméletének bevezetése [78], amely a szimulációs technika támogatásával jelent s mértékben segíti az elosztott intelligenciájú gyártórendszerek kutatását. A kutatómunkával kapcsolatos nemzetközi el zmények közül a fentiekben csak a leglényegesebbeket emeltem ki, de a disszertáció 2. és 3. fejezetei bevezet ikben részletesen kitérnek a mesterséges intelligencia alkalmazásainak, illetve az elosztott intelligenciájú gyártórendszerek problémakörének bemutatására. 4.1.2. Hazai el zmények A kutatási eredmények laboratóriumi tesztelésére jött létre a 70-es évek végen az MTA SZTAKI és a BME közös Kísérleti Üzeme. Itt történtek a magyarországi els lépések el bb DNC, majd FMS rendszerek kialakítására. A BME Gépgyártástechnológia Tanszéke hosszú id re visszatekint hagyományokkal - 10 -

rendelkezik különböz megmunkálási folyamatok modellezésében és adaptív szabályozásában (Somló J. és Horváth M., 1981). A felügyeleti kutatások els sorban Berkes O., Markos S., Mészáros I. és Szalay T. nevéhez f z dnek. A Miskolci Egyetem Szerszámgépek Tanszékén Erdélyi F. vezetésével jelent s kutatási és fejlesztési munkák folytak, felügyeleti és diagnosztikai rendszerek kifejlesztésére (1986), gyártócellák felügyeleti koncepciójának kialakítására (1988), valamint fuzzy technikák alkalmazására (1990). A mesterséges intelligencia gépipari felhasználásában szintén több hazai iskola játszott szerepet. Els sorban Vámos T. és Báthor M. (vizuális alakfelismerés, robotika), Márkus A. (befogószerkezetek tervezése), Bernus P. (intelligens CAD), Tóth T. (folyamattervezés), Horváth M., Márkus A., Váncza J. (genetikus algoritmusok a folyamattervezésben), Monostori László (ANN alapú szerszámgép és cella felügyelet és diagnosztika), Horváth I. (konstrukciós tervezés), Cser L. (képlékenyalakítás), Kovács Gy., Mezgár I. (gyártórendszerek tervezése és szimulációja) nevéhez f z dnek kiemelked eredmények. Mesterséges neurális hálók kutatásában Roska T. és kutatókollektívája ért el világszinten is átüt jelleg eredményeket. Már említettük, de fontos kiemelni Hatvany J. nevét, aki nemcsak vezet szerepet játszott a legtöbb kapcsolódó téma elindításában, hanem tevékenysége nyomot hagyott a hazai és a világ gépipari automatizálásában. Kutatók sokaságának gondolkodásmódját határozta meg. Összefoglalva megállapítható, hogy az intelligens gyártórendszerek kutatásában nemzetközileg is kiemelked eredmények születtek Magyarországon. 5. A kutatás eredményei, tézisek A kutatómunkám fentiekben vázolt menete szerint a téziseimet két alapvet csoportba sorolom. Az els csoport (1., 2. és 3. Tézis) a szerszámgép és cella szinten, míg a második (4., 5., és 6. Tézis) az üzemszinten bekövetkez változások zavarok kezelésének témakörére vonatkozik. Hibrid mesterséges intelligencia technikák alkalmazása a szerszámgépek, illetve a megmunkáló cellák szintjén jelentkez változások és zavarok kezelésére. 1. Tézis A gyártórendszerek különböz szintjeinek vezérlési funkcióit alapul véve, megvizsgáltam a mesterséges intelligencia szimbolikus és szubszimbolikus technikáinak alkalmazhatóságát a A tézisekhez tartozó publikációk szögletes zárójelben találhatók az egyes tézisek után. A disszertációban a vonatkozó fejezetek sorszáma zárójelben a D bet megjelölése után szerepel. - 11 -

szerszámgépek és gyártócellák irányítási rendszereiben, különös figyelmet fordítva a felügyeleti és diagnosztikai funkciókra. A tudásábrázolási, -gy jtési, -feldolgozási -módosíthatósági szempontok szerint elvégzett összehasonlító vizsgálatok alapján hierarchikus szervezés, a szimbolikus és szubszimbolikus technikák el nyeit integráló hibrid, szerszámgépek irányítására alkalmas irányítási rendszermodellt dolgoztam ki. Ebben a rendszermodellben, a gyártási szintek id beli, információkezelési és funkcionális követelményeit is figyelembe véve megadtam a szimbolikus tudásreprezentáción alapuló mesterséges intelligencia technikák alkalmazhatóságának területét. A tudásábrázolási technikákat figyelembe véve, a javasolt hierarchikus szervezés modellben két szintet különböztetek meg. Figyelembe véve a funkciókhoz kapcsolt információkezelést és a megkívánt reakcióid ket, a szimbolikus technikát alkalmazó tudásbázisú rendszerek a hierarchikus szerkezet irányítási és felügyeleti rendszerek fels bb szintjén alkalmazhatók hatékonyan, míg az alsóbb szintek m ködési sajátosságainak a szubszimbolikus megközelítés felel meg jobban. Az alsó szinttel információs kapcsolatban lév fels szint tudásalapú technikákon alapul és a környezeti, valamint az alsó szintr l kapott információk együttes alkalmazásával irányítja a rendszert és egyben felel s az alsó szint m ködtetéséért is [1, 2, 3, 4, 5], (D 3.2). 2. Tézis Az 1. tézisben bemutatott koncepción alapulva, szerszámgépek irányításának felügyeleti rendszerére vonatkoztatva definiáltam a szimbolikus tudásreprezentációt alkalmazó szint feladatait és információs kapcsolatait. Szakért i keretrendszer (ES shell) segítségével kifejlesztettem a javasolt irányítási és felügyeleti rendszer szimbolikus modulját, amely az alsó szinten elhelyezked mesterséges neurális háló technikát alkalmazó alrendszer, illetve a gyártási folyamat irányításáért is felel s. A kialakított HYBEXP hibrid rendszer szimbolikus, illetve szubszimbolikus szintje közötti kétirányú csatlakozási felület kidolgozásával megteremtettem a két különböz tudásábrázolási technika szoros kapcsolatrendszerét (tight-coupling). A kifejlesztett rendszer alkalmazhatóságát esztergálási és marási folyamat felügyeletére, korábbi kísérletekb l származó eredmények feldolgozásával igazoltam. A rendszerben a virtuális gyártás fogalmát és alkalmazását a gyártórendszerek ütemezési, logisztikai szintjér l a forgácsolási szintre terjesztettem ki, ugyanis a HYBEXP rendszert egy olyan virtuális környezetben teszteltem, ahol a megmunkálási folyamatot a NEURECA rendszer egy erre a célra kialakított - 12 -

változatával (SIMURECA)* szimuláltam. A valós forgácsolási adatokkal végzett kísérleti futtatások során bemutattam, hogy szimbolikus tudásreprezentáción alapuló szakért i rendszer sikeresen alkalmazható szerszámgép vezérlését kiegészít, a szerszámfelügyeleti és diagnosztikai funkciót támogató modulként [2, 5, 6, 8, 9, 12], (D 3.3). 3. Tézis Részletesen megvizsgáltam a cellaszint irányítási rendszer id beli, információkezelési és funkcionális követelményeit. a szimbolikus tudásreprezentáció lehetséges szerepe inicializálás diagnosztika finom hangolás vezérlési funk. cella adatbázis azonnali beavatkozás szerszámgép vezérlés szerszámgép, megmunkálási foly. inicializálás újrakonfigurálás cella vezérl SZAKÉRT I RENDSZER valósidej felügyelet mért jelek státusz jelentés 3. gép 2. gép 1. gép a reakció elvárt sebessége 2. ábra Hierarchikus struktúrájú, hibrid AI rendszer szimbolikus moduljának cellavezérlésben betöltött szerepe Figyelembe véve a cellaszintre vonatkoztatott követelményeket, a szerszámgépek szintjén sikeresen alkalmazott, hierarchikusan szervezett hibrid mesterséges intelligencia rendszer koncepcióját cellaszintre terjesztettem ki. Kihasználva a HYBEXP (2 tézis) rugalmasságát, a rendszer szimbolikus modulját a szerszámokra, illetve a gyártásra kerül alkatrészekre vonatkozó adatbázisokkal kiegészítve bemutattam, hogy a kifejlesztett rendszer a felügyeleti funkciókon túlmen en a szerszámokra vonatkozó adatok ismeretében a szerszámellátás irányítására, illetve a termelésre vonatkozó adatok ismeretében a teljes cella reaktív üzemmódú vezérlésére is alkalmas. * A NEURECA és SIMURECA rendszereknek, valamint azok interfész moduljainak kifejlesztése, Egresits Csaba és Monostori László kollégáim nevéhez f z dik. - 13 -

A javasolt megközelítésben a szimbolikus modul (2. Ábra, Szakért i Rendszer) szervesen kapcsolódik a cellavezérl höz, illetve annak adatbázisához. Az ilyen módon kiterjesztett adathozzáféréssel a szimbolikus modul a felügyeleti feladatokon túlmen en cellaszint termelésirányítási és szerszám-menedzsment funkciókat lát el, valamint szabálybázisával a cellában található összes szerszámgép irányításában is részt vesz. A szakért i rendszer a valós gyártási folyamatok indítása során a szerszámgépek inicializálását, esetleges finomhangolását és/vagy diagnosztikai feladatok végrehajtását végzi. Ezzel párhuzamosan a rendszer, illetve a benne zajló folyamatok állapotától függ en a szubszimbolikus modul magját képez mesterséges neurális háló(k) beállításaiért is felel s. A tesztelt kialakításban a szakért i rendszer frame- és szabályalapú tudásbázisa a szerszámellátás és szerszámkihasználás döntési mechanizmusait támogató objektumokat és szabályokat tartalmaz, de kés bbi felhasználás esetén, - akár tudásmérnökök bevonásával - újabb elemekkel rugalmasan és könnyen tovább víthet [7, 9, 10], (D 3.4). Heterarchikus struktúrájú, elosztott intelligencián alapuló technikák alkalmazása üzemszinten bekövetkez változások és zavarok kezelésére Irodalomkutatásaimra támaszkodva felismertem, hogy napjaink termelésautomatizálásának kulcskérdése olyan szervezési és m ködési technikák keresése, amelyek alkalmasak a nagyfokú komplexitás, a környezeti, illetve bels változások és zavarok gyors és effektív kezelésére. A tématerület szakemberei a már említett két út közül választhatnak: egyfel l a meglév, általában szigorú hierarchikus struktúrát és m ködést követ rendszereket vagy azok egyes alrendszereit teszik rugalmasabbá, másfel l olyan elosztott intelligenciájú (ágens-alapú) struktúrákat alkalmaznak, amelyek már természetüknél fogva alkalmasabbak zavarok kezelésére. A 3. tézisben bemutatott, gyártócellák reaktív irányítására alkalmas rendszer a fentiek közül az els utat követi. Kutatásaim során jelent s id t szenteltem a második útnak is, amelynek eredményeit a következ tézisekben foglalom össze. 4. Tézis A mai környezetben alkalmazott hagyományos gyártásirányítási rendszerek korábban felsorolt hátrányainak kiküszöbölésére az egyik lehetséges megoldás az elosztott intelligenciájú (heterarchikus) gyártórendszerek bevezetése. Az ilyen, heterarchikus vezérlési elven m köd gyártórendszerek megvalósításának legígéretesebb eszköze az elosztott mesterséges intelligencia (DAI) területér l ismert multi-ágens rendszerek (MAS) alkalmazása. Figyelembe véve az ágens alapú gyártási struktúrák szervezési és m ködési követelményeit, valamint elemezve a területtel - 14 -

foglalkozó szakirodalmat, rámutattam az elosztott intelligenciájú gyártórendszerek kialakítása során felmerül nyitott problémákra. 4.1. A megfogalmazott problémakörök részletes vizsgálata alapján, egy új, ágens alapú, heterarchikus vezérlési elven m köd gyártórendszer modellt vezettem be. A javasolt modell minimális készletként két alap-ágenst (megrendelés és er forrás ágens) használ. A szoftvertechnológiában bevezettet ágens definíciójára támaszkodva, kidolgoztam az elosztott intelligenciájú gyártórendszerekben alkalmazható ágensek egy új generikus struktúráját (3. ábra), amelyet a modellben használt ágensek bels struktúrája is követ. A modellt használó ágens-alapú gyártórendszerek m ködtetésére egy új, dinamikusan érkez, egyedi megrendeléseket feldolgozni képes, valósidej gyártásütemezési struktúrát és hozzá tartozó algoritmust dolgoztam ki. Kommunikációs könyvtár I/O Üzenet alapú Blackboard Hibrid Lokális adatbázis Lokális vezérlés Tanuló modul Tervek, Célok Viselkedés minta Tudásbázis Algoritmusok Cselekvés-választás... Intelligens modul Eszköz kezel (meghajtó) Utasítások Állapot Gyártási folyamat 3. ábra Elosztott intelligenciájú gyártórendszerekben alkalmazható ágensek generikus modellje A gyártórendszerekben alkalmazható ágenseket alapvet en két különböz csoportba sorolhatjuk, annak megfelel en, hogy rendelkeznek az anyagi folyamatok kivitelezésére alkalmas eszközökkel vagy sem. A 3. ábrán ezt a szaggatott vonallal jelölt rész mutatja, amelyet az ágens az. eszközkezel n keresztül vezérel. A kommunikációs modulban a könyvtár szó az alkalmazható technikák sokféleségére utal. Az opcionális tanuló modul szintén szaggatott vonallal jelenik meg a 3. ábrán. A javasolt struktúrát alapul véve lehet ség nyílik olyan, gyártási környezetben - 15 -

alkalmazni kívánt ágensek kialakítására, amelyek az egyszer reaktív válaszadástól a bonyolult, tanulásra és komplex feladatok megoldására is képesek A tézisben javasolt modellt alapul véve, a szimuláció eszközének el nyeit kihasználva, elosztott intelligenciájú gyártórendszerek modellezésére és vizsgálatára alkalmas általános, objektum-orientált keretrendszert fejlesztettem ki. 4.2. A keretrendszer segítségével modellezett gyártórendszerek ágensei közötti együttm ködés lehet vé tétele érdekében a contract net protocol [48] továbbfejlesztésével, diszkrét eseményorientált szimulációs környezetben alkalmazható kommunikációs protokollt és üzenetrendszert dolgoztam ki. A keretrendszer kifejlesztésével bemutattam, hogy szemben a szimulációs technika korábbi hagyományos alkalmazásával -meglév vagy kialakításra váró rendszerek felépítésének és m ködésének modellezése és kiértékelése- a szimuláció ma már teljes érték fejlesztési eszközként is használható és nemcsak materiális vagy anyagi jelleg folyamatok diszkrét lépésközei, hanem üzenet alapú dinamikus jelleg kommunikáció modellezésére is lehet ség nyílik. A keretrendszeren keresztül bemutattam továbbá, hogy a mesterséges intelligencia eszközei sikeresen integrálhatók a gyártás-szimuláció legújabb technológiáival [11, 13, 15, 16, 18, 22, 23, 24, 28, 30, 32, 34, 37, 38], (D 4.4 D 4.7). Elosztott intelligenciájú gyártórendszerek teljesítményének javítása Kutatómunkám legutolsó -jelenleg is folyó- fázisában a korábban kialakított elosztott intelligenciájú gyártórendszer-modellek és eljárások továbbfejlesztésére és finomítására, illetve további mesterséges intelligencia technikák alkalmazhatóságának vizsgálatára koncentráltam. A következ két tézis két olyan megközelítést mutat be, amely a heterarchikus gyártórendszerek rendszerszint teljesítményének javítására törekszik. 5. Tézis Elosztott intelligenciájú gyártórendszerek teljesítményének javítása az ágensek adaptív tulajdonságainak kiterjesztésével A nagyfokú rugalmasság elismerésén túl, a heterarchikus vezérlési struktúrán alapuló gyártórendszerekkel szembeni leglényegesebb kérdés, hogy alkalmazásukkal miként biztosítható a rendszerszint optimum. A teljesen heterarchikus elven m köd gyártórendszerek esetében a rendszerszint optimumhoz közelíthetünk az rendszerben található ágensek adaptivitásának növelésével. - 16 -

5.1. A korábban kifejlesztett, elosztott intelligenciájú gyártórendszerek szimulációjára alkalmas keretrendszerre támaszkodva (4. Tézis) az er forrás ágens szabályrendszeren alapuló tudásbázisának továbbfejlesztésével, költségfaktorát szabadon változtatni képes adaptív er forrás ágenst vezettem be. A kialakított er forrás ágens a céljainak elérése érdekében kizárólag lokális adatok és a hozzá beérkezett üzenetek alapján, bizonyos racionális korlátok között, szabadon dönthet az árajánlataiban alkalmazott költségtényez mértékér l. A koncepció alkalmazhatóságát a keretrendszer segítségével kifejlesztett teszt-modellen futtatásokkal igazoltam. 5.2. A rendszerszint optimum megközelítésének egyik lehetséges megoldásaként rendszerszint a gyártórendszer szempontjából globális teljesítményparaméter javítását célul kit z - ágens(ek) bevezetését javasoltam. (A korábban kifejlesztett keretrendszerben a megrendelés fogadásáért és a feladatok szétosztásáért felel s megrendelés ágens ilyen szempontból rendszerszint nek számít.). A megrendelés ágens esetében az adaptív jelleg megteremtése érdekében új, id alapú paramétereket vezettem be. Az elgondolás szerint a megrendelés ágens, bizonyos korlátok között, szabadon dönthet a beérkezett megrendelések els feladatainak meghirdetési id pontjáról. Azaz, a nagy tartalékid vel rendelkez feladatok kés bb kerülnek meghirdetésre, így a megrendelés ágens szabad kapacitást tartalékol a kés bbi esetleges sürg s megrendeléseknek. A bevezetett paraméterek rendszerteljesítményre gyakorolt hatását a keretrendszer alapján kifejlesztett teszt-modellen vizsgáltam. A fentiekben bevezetett két különböz koncepción keresztül megteremtettem egy új, tanuló gyártóágens kialakításának a feltételeit, amelyben a gépi tanulás (machine learning) eszközeinek alkalmazásával további el relépések várhatók [36, 37], (D 4.8.) 6. Tézis Hierarchikus és heterarchikus vezérlési elvek dinamikus együttm ködése összetett, változásoknak és zavaroknak kitett gyártási struktúrákban Részletes szakirodalmi elemezésre támaszkodva összehasonlítottam és bemutattam a hierarchikus, illetve a heterarchikus vezérlési struktúrák el nyeit és hátrányait. Függetlenül az alkalmazott irányítási stratégiától a rendszerméretek növekedése a komplexitás, a kezelend információk és az adatcsere növekedését vonja maga után, ami az ütemezési algoritmusok hatékonyságának romlásához vezet. A hierarchikus vezérlési elvet követ rendszerekben a rendszer minden elemének részletes ismeretében, a központi ütemez modul által el állított - 17 -

optimális ütemtervek egy dinamikusan változó környezetben könnyen érvénytelenné válhatnak, ami gyakori és költséges átütemezéshez vezethet. A heterarchikus elven m köd rendszerek zavart r bb ütemezési eljárásai - tekintettel a lokális információk alapján lokális optimumra törekv ágenseknek - nem garantálhatják a rendszerszint optimum elérését. Figyelembe véve a hierarchikus és heterarchikus megközelítés egymást kiegészít tulajdonságait, kidolgoztam a két különböz vezérlési stratégia egy rendszerben történ - állandó vagy id leges - alkalmazásának elvi kereteit. Az ütemezés feladatának elvégzésére ütemez ágens bevezetését javasoltam, amely akár több er forrás ágens, akár a teljes rendszer központi ütemez jeként is szerepelhet. A hierarchikus és heterarchikus vezérlési elvek fenti integrációjával megtettem az els lépéseket a holonikus gyártórendszerek megvalósításának irányába. A fenti koncepció megvalósíthatóságát nemzetközi együttm ködés keretében a Leuveni Katolikus Egyetem munkatársai által kifejlesztett PROSA [89] modellen vizsgáltuk. Közismert, hogy az elosztott intelligenciájú gyártórendszerek bevezetésének legf bb támogatói a kutatói szférából kerülnek ki, ipari elfogadottságuk és alkalmazásuk egyel re viszonylag csekély. Figyelembe véve a fenti tényt, kísérletet tettem a heterarchikus vezérlési struktúrák ipari elterjedését gátló akadályok feltérképezésére. A jelenlegi gyártórendszerekben alkalmazott vezérlések technikai korlátjain túl, lényeges akadálynak látszik a heterarchikus rendszerek fokozatos integrációja. E hátrány kiküszöbölésére egy lehetséges megoldásként, a virtuális gyártás koncepciójának továbbfejlesztésével, a valós világban adott hierarchikus és az 4. Tézisben ismertetett keretrendszer segítségével kifejlesztett, heterarchikus elven m köd virtuális rendszer párhuzamos futtatását javasoltam [19, 21, 24, 25, 30, 31, 32, 35], (D 4.9). - 18 -

6. Az eredmények hasznosítása és visszhangja A szerszámgépek és gyártórendszerek felügyeletével és diagnosztikájával kapcsolatos kutatásokat és fejlesztéseket az Intelligens gyártást megalapozó kutatások címmel elnyert, az 1994-1996-os, illetve 1995-1997-es id szakokra két OTKA pályázat keretében végeztük. Mindkét említett kutatásnál a társintézményként a BME Gépgyártástechnológia Tanszéke szerepelt. Kutatásainkban már akkor az Európai Unió támogatását is magunk mögött tudhattuk. A PHARE-ACCORD projekt keretében Hybrid knowledge processing in CIM címmel a Paderborni Egyetem Elektromos Méréstechnika Tanszékén (EMT) (D. Barschdorff) és a Kaiserslauterni Egyetem G. Warnecke által vezetett Gyártási és Termelési (FBK) intézeteivel dolgoztunk közösen. A fenti tanszékek számos kutatási projekt keretében m ködnek együtt a legnagyobb német cégekkel. Szintén PHARE támogatással végeztük a Remade: Re-engineering of Manufacturing Processes through Simulation and Dynamic control Techniques, projekt kutatásait. Az elosztott intelligenciájú gyártórendszerekkel kapcsolatos kutatásainkat a Változások és zavarok kezelése gyártási struktúrákban cím OTKA projekt keretében folytatjuk (1998-2001), valamint az 1997-1999 id szakban témavezet je voltam a szintén sikeres, Elosztott intelligenciájú (holonikus)gyártási struktúrák kutatása cím Ifjúsági OTKA projektnek. Rendszeresen részt veszek a témakörhöz kapcsolódó diplomatervek és TDK dolgozatok elbírálásaiban. Széleskör nemzetközi összefogással folynak a kiterjesztett vállalatokkal kapcsolatos kutatásaink (Integration in Manufacturing and Beyond, ESPRIT LTR Working Group). Igen megtisztel, hogy bekapcsolódhatunk a világméret IMS-projekttel kapcsolatos európai munkacsoportba (Intelligent Manufacturing, ESPRIT LTR Working Group). Részvételünket a fenti projektekben az OMFB támogatta. Magyarországi ipari vonatkozásban, 1998 és 1999-ben a Paksi Informatikai Rekonstrukciós Projektben a gazdasági alrendszer megújításával foglalkozó munkacsoport tagja voltam, majd 1999 és 2000-ben vezet je voltam a HITELAP Rt.-nél végzett, pozitív eredményekkel zárult ipari szimulációs projekteknek. Munkám elismeréseként, illetve ennek sikeres folytatása érdekében 1999-ben Bolyai ösztöndíjban részesültem. Az MTA SZTAKI-ban két alkalommal az els és egy alkalommal a második díjban részesültem a Ph.D. hallgatók éves beszámolóján, valamint az intézetben eltöltött id alatt egy alkalommal az Intézeti Ifjúsági Díjat is kiérdemeltem. Európai - 19 -

partnerekkel sikeresen pályáztunk az EU 5. Keretprogramjában, ahol jelenleg a VIMIMS (Virtual Institute for the Modelling of Industrial Manufacturing Systems, ref.# 88144-CP-1-2000-1-IT-MINERVA-ODL) projekt hazai vezet je vagyok. Fontos kiemelni, hogy kutatócsoportunkat és áttételesen minden magyar IMS kutatót az elmúlt id szakban több tudományos elismerés is érte: 1991-ben és 1995-ben Magyarország rendezte a CIRP által szponzorált Learning in IMS Workshop-okat, 1997-ben Budapesten rendezhettük a Second World Congress on Intelligent Manufacturing Processes and Systems rendezvényt, 1997-ben szintén Budapest adott otthont az ASI 97, LIFE Cycle Approaches to Production Systems : Management, Control, Supervision konferenciának, továbbá 2001-ben Budapesten kerül megrendezésre az IEA/AIE-2001, The Fourteenth International Conference on Industrial and Engineering Application of Artificial Intelligence and Expert Systems konferencia. Kutatási eredményeimet mintegy 45 tudományos cikkben, el adásban és tanulmányban foglaltam össze. Tudomásom szerint, publikációimra mintegy 20, külföldi szerz t l származó hivatkozás jelent meg. Eredményeim részben már bekerültek a magyarországi m szaki egyetemek tananyagaiba. 7. A tézisekhez kapcsolódó publikációk [1] Monostori, L.; Kádár, B.; Egresits, Cs.: Coupling expert systems and artificial neural networks: A hybrid AI solution and its application in manufacturing, Proceedings of microcad'95, International Computer Science Conference, Sect. H: Information Technology in Mechanical Engineering, February 23, 1995, Miskolc, Hungary, pp. 69-72. [2] Barschdorff, D.; Monostori, L.; Wöstenkühler, G.W.; Egresits, Cs.; Kádár, B.: Approaches to coupling connectionist and expert systems in intelligent manufacturing, Preprints of the Second International Workshop on Learning in Intelligent Manufacturing Systems, April 20-21, 1995, Budapest, Hungary, pp. 591-608. [3] Kádár, B.; Egresits, Cs.; Monostori, L.: HYBEXP: A hierarchically coupled hybrid AI approach to production control, Proceedings of SOR'95, 3 rd Symposium on Operation Research in Slovenia, September 1-2, 1995, Portoroz, Slovenia, pp. 94-101. [4] Monostori, L.; Kádár, B.; Egresits, Cs.: Application of hybrid AI techniques in manufacturing, Proceedings of CAMP'95, CAD/CAM and Multimedia, September 12-14, 1995, Budapest, Hungary, pp. 52-62. [5] Monostori, L.; Kádár, B.; Egresits, Cs.: Virtual manufacturing using a hierarchically coupled hybrid AI system, Preprints of the 3rd IFAC/IFIP/IFORS Workshop on Intelligent Manufacturing Systems - IMS'95, Vol. 2, October 24-26, 1995, Bucharest, Romania, pp. 369-374. - 20 -

[6] Monostori, L.; Kádár, B.; Egresits, Cs.: Virtual manufacturing by coupling connectionist and expert systems, Proceedings of the 6 th International DAAAM Symposium "Intelligent Manufacturing Systems", October 26-28, 1995, Krakow, Poland, pp. 231-232. [7] Kádár, B.; Markos, S.; Monostori, L.: Knowledge based monitoring and management of manufacturing cells, Preprints of the DYCOMANS's Workshop II on Management and Control: Tools in Action, May 15-17, 1996, Algarve, Portugal, pp. 83-88. [8] Monostori, L.; Egresits, Cs.; Kádár, B.: Hybrid AI solutions and their application in manufacturing, Proceedings of the IEA/AIE-96, The Ninth International Conference on Industrial & Engineering Applications of Artificial Intelligence & Expert Systems, June 4-7, 1996, Fukuoka, Japan, Gordon and Breach Publishers, pp. 469-478. [9] Monostori, L.; Egresits, Cs.; Kádár, B.: Hybrid AI approaches to intelligent manufacturing, Preprints of the 13th IFAC World Congress, June 30 - July 5, 1996, San Francisco, California, USA, Vol. B.: pp. 61-66. [10] Kádár, B.; Markos, S.; Monostori, L.: Knowledge based reactive management of manufacturing cells, Proceedings of the Conference on Integration in Manufacturing, Galway, Ireland, October 2-4, 1996, in: Advances in Design and Manufacturing: IT and Manufacturing Partnerships: Delivering the Promise, Edited by Browne, J.; Haendler Mas, R.; Hlodverson, O., pp. 197-205. [11] Kádár, B.; Monostori, L.; Szelke, E.: An object oriented framework for developing distributed manufacturing architectures, Proceedings of the Second World Congress on Intelligent Manufacturing Processes and Systems, June 10-13, 1997, Budapest, Hungary, Springer, pp. 548-554. [12] Barschdorff, D.; Monostori, L.; Wöstenkühler, G.W.; Egresits, Cs.; Kádár, B.: Approaches to coupling connectionist and expert systems in intelligent manufacturing, Computers in Industry, Special Issue on Learning in Intelligent Manufacturing Systems, Vol. 33, No. 1, 1997, pp. 5-15. [13] Kádár, B.; Monostori, L.: Simulation of agent based manufacturing architectures, Proceedings of the Advanced Summer Institute 1997, ASI 97, Life Cycle Approaches to Production Systems, Management, Control, Supervision, July 14-18, 1997, Budapest, Hungary. [14] Monostori, L.; Kádár, B.: Distributed manufacturing, Extended enterprises, ERCIM News (Journal of the European Consortium for Informatics and Mathematics), No. 30, July 1997, pp. 35-36. [15] Monostori, L.; Szelke, E.; Kádár, B.: Intelligent techniques for management of changes and disturbances in manufacturing, Proceedings of the CIRP International Symposium: Advanced Design and Manufacture in the Global Manufacturing Era, August 21-22, 1997, Hong Kong, Vol. 1, pp. 67-75. [16] Kádár, B.; Monostori, L.: A simulation framework for development and evaluation of agent based manufacturing architectures, Preprints of the DYCOMANS's Workshop IV on Control and Management in Computer Integrated Systems, September 25-28, 1997, Zakopane, Poland, pp. 59-65. [17] Monostori, L.; Kádár, B.: Development trends of production management, Chapter in: Information technology for technology management; Information systems, Ed.: Erdélyi, F., book supported by the PHARE-TDQM Programme of the European Union, (in Hungarian), Vol. II, pp. 505-527. [18] Kádár, B.; Monostori, L.; Szelke, E.: An object oriented framework for developing distributed manufacturing architectures, Journal of Intelligent Manufacturing, Vol. 9, No. 2, April 1998, Special Issue on Agent Based Manufacturing, Chapman & Hall, pp. 173-180 - 21 -